Genetic algorithm using d-θ clustering, entropy analysis and Z-control

Abstract

유전 알고리즘(Genetic Algorithm, GA)은 검색 기술의 한종류로 진화 과정을 모방하여 1970년대에 처음 제안되었다. 많은 최적화 문제에서의 해을 결정하기 위한 방법으로 활용됨에도 불구하고, 유전알고리즘에는 몇 가지 단점이 있다. 유전 알고리즘의 수렴 시간은 시스템의 복잡도에 비례한다. 그리고 시뮬레이션의 종결 기준은 일반적으로 사용자에 의한 임의성을 내포하고 있다. 마지막으로 유전 알고리즘을 통해 얻어진 결과는 수학적 신뢰도를 갖기가 어렵다. 본 논문에서는 이러한 유전 알고리즘의 3개의 약점들에 대해 논의한다. 첫째, 시스템의 복잡성에 따라 증가하는 수렴 속도의 문제는 새로운 클러스터링 기법인 거리-각 클러스터링에 의해 완화된다.유클리드 거리와 비-유클리드 거리를 조합하고, 특히 세대마다 기준점을 업데이트하여 클러스터의 왜곡을 감소시킨다. 둘째, 임의적인 종료 기준을 개선하기 위해 엔트로피 개념을 도입하였다. 섀넌엔트로피를 이용하여 다양성 지수를 계산하고, 이를 시뮬레이션의 종결기준으로 활용하였다. 셋째, 얻어진 결과의 수학적 신뢰성을 보장하기 위해 신뢰도- 제어라는 새로운 개념을 제안하였다. 연속확률 변수의 평균 추정 과정으로서 유전알고리즘이 재해석되었고, 추정 과정에서의 신뢰도 값의 조정을 통해 결과의 신뢰성을 확보하였다.<br/>